rChartsでレジェンドプレーヤーの成績を可視化したい

Lahmanのデータベースを使って, 歴代の打者成績推移をrChartsで可視化します.

データは http://seanlahman.com/files/database/lahman-csv_2014-02-14.zip でダウンロードできます.

解凍したら, Batting.csvとMaster.csvを使います.

library(rCharts)
library(RPostgreSQL)
library(dplyr)
library(magrittr)
library(xtable)
# 各打者のシーズン記録のまとめデータ: Batting.csv
dat = fread("Batting.csv")

データの中身はこんな感じです.

head(dat) %>% xtable() %>% print(type="html")
playerID yearID stint teamID lgID G G_batting AB R H X2B X3B HR RBI SB CS BB SO IBB HBP SH SF GIDP G_old
1 aardsda01 2004 1 SFN NL 11 11 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11
2 aardsda01 2006 1 CHN NL 45 43 2 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 45
3 aardsda01 2007 1 CHA AL 25 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
4 aardsda01 2008 1 BOS AL 47 5 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 5
5 aardsda01 2009 1 SEA AL 73 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
6 aardsda01 2010 1 SEA AL 53 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 

# 選手をidで扱うのは淋しいので, フルネームを調べます
# フルネームはMaster.csvから作ります.
fullname_and_id = 
  fread("Master.csv") %>% 
  mutate(fullname = paste(nameFirst, nameLast, sep=" ")) %>% 
  dplyr::select(lahman40ID, fullname) %>% 
  setnames(c("playerID", "fullname"))

# 2012年までに3000本安打を超えている選手で遊びます
bat_over_3000 = 
  dat %>% group_by(playerID) %>% 
  dplyr::summarise(HIT = sum(H)) %>% 
  filter(HIT >= 3000) %>% 
  select(playerID)

# フルネームとIDを統合
batters = bat_over_3000 %>% inner_join(fullname_and_id, by="playerID")

# 3000本打った選手の成績まとめ
batters_data = batters %>% inner_join(dat, by = "playerID")

# シーズン中に移籍すると, データが別の行になります. 
# 欲しいのは年度別の成績なので, 年度が同じなら成績はマージします
# 移籍はなかったことにします.
batters_data_hit = 
  batters_data %>%
  dplyr::select(fullname, yearID, G, AB, H, HR, SO) %>% 
  group_by(fullname, yearID) %>%
  dplyr::summarise(game = sum(G), atbat = sum(AB), hit = sum(H), homerun = sum(HR), so = sum(SO))

# デビューの年をチェックします
start = batters_data_hit %>% 
  group_by(fullname) %>% 
  dplyr::summarise(start = min(yearID)) 

# 最近の選手かどうか. 1975以降かどうかで場合分け
batters_data_hit = 
  batters_data_hit %>% inner_join(start, by="fullname") %>% 
  mutate(recent = ifelse(start > 1970, "recent", "old")) 

# できたデータ
head(batters_data_hit) %>% xtable() %>% print(type="html")
fullname yearID game atbat hit homerun so start recent
1 Al Kaline 1953 30 28 7 1 5 1953 old
2 Al Kaline 1954 138 504 139 4 45 1953 old
3 Al Kaline 1955 152 588 200 27 57 1953 old
4 Al Kaline 1956 153 617 194 27 55 1953 old
5 Al Kaline 1957 149 577 170 23 38 1953 old
6 Al Kaline 1958 146 543 170 16 47 1953 old

通算成績の積み上げの様子を見てみます.

# ひたすらcumsumします
career_data =
  batters_data_hit %>% group_by(fullname) %>%
  dplyr::summarise(yearID = yearID, 
                   careerHIT= cumsum(hit),
                   careerHR = cumsum(homerun), 
                   careerSO = cumsum(so), 
                   careerGAME=cumsum(game), 
                   recent = recent
                   )
# できたデータ
head(career_data) %>% xtable() %>% print(type="html")
fullname yearID careerHIT careerHR careerSO careerGAME recent
1 Al Kaline 1953 7 1 5 30 old
2 Al Kaline 1954 146 5 50 168 old
3 Al Kaline 1955 346 32 107 320 old
4 Al Kaline 1956 540 59 162 473 old
5 Al Kaline 1957 710 82 200 622 old
6 Al Kaline 1958 880 98 247 768 old 

# hPlotで可視化してみる
hp2 = hPlot(data = career_data, x="yearID", y="careerHIT", group = "fullname", type="line")                  
hp2$chart(forceY = "#![0]!#")
hp2$show("iframesrc", cdn = TRUE)

これは通算ヒット数の積み上げの様子です. 1970年代以降に, レジェンドプレーヤーが固まっているように見えますね.

割と最近の選手の成績だけ見てみると, 

data_recent = career_data %>% filter(recent == "recent") 
hp = hPlot(data = data_recent, x="yearID", y="careerHIT", group="fullname", type="line") 
hp$show("iframesrc", cdn = TRUE)

こんな感じです.

ホームラン数も見たいです.

hp2 = hPlot(data = career_data, x="yearID", y="careerHR", group = "fullname", type="line")                  
hp2$chart(forceY = "#![0]!#")
hp2$show("iframesrc", cdn = TRUE)

1940年台に何かが起きていることが分かります. 優秀な打者が増えていますし, ホームランの数も劇的に増えています.

三振の数も見ます.

hp2 = hPlot(data = career_data, x="yearID", y="careerSO", group = "fullname", type="line")                  
hp2$chart(forceY = "#![0]!#")
hp2$show("iframesrc", cdn = TRUE)

古いデータには欠損があるみたいですね. 最近の選手だけ見ます

hp = hPlot(data = data_recent, x="yearID", y="careerSO", group="fullname", type="line") 
hp$show("iframesrc", cdn = TRUE)

一人半端ない人がいますね…

トニー・グウィン. http://ja.wikipedia.org/wiki/%E3%83%88%E3%83%8B%E3%83%BC%E3%83%BB%E3%82%B0%E3%82%A6%E3%82%A3%E3%83%B3

“通算の打数/三振比率21.4という数字はバッティングスタイルを比較されるイチロー(約10)と比べても倍以上高い”

ひいい

以上です.